[데이스쿨] 데이스쿨 트랙이란?

https://dacon.io/forum/411900

데이스쿨 트랙 오리엔테이션

 

- 데이스쿨 트랙 OT를 들어보았다. 

 

1. 데이스쿨 트랙에 대해서 알아보자.

 

데이스쿨은 온라인 자기주도 학습 프로그램으로

데이터 전문가가 되기 위한 체계적인 커리큘럼을 갖고 있고, 데이터 경진대회 실전연습과 포트폴리오 작성 기회, 

데이터 사이언티스트의 멘토링☆을 받을 수 있다고 한다. 데이콘 인재풀에 등록도 해줘서 취업을 도와준다고 한다.

 

2. 데이스쿨 트랙의 목표

데이스쿨  트랙의 목표

1) 취업준비 : 취준생에겐 데이터 직무 취업을 도와주는 것

2) 직무전환  : 직장인들에겐 데이터분야 직무로 이직을 도와주는 것

3) 데이터분석 실무적용 : 다니고 있는 회사에 데이터분석을 적용하는 방법을 교육하는 것

 

3. 트랙 구성

- Py 파이썬 입문 (파이썬,전처리, 판다스)

- ML1 머신러닝 입문 (간단한 분류, 예측모델)

- ML2 머신러닝 기초 (머신러닝, 전처리 입문, 이상치 탐지, 피처엔지니어링)

- ML3 머신러닝 심화 (차원축소, 교차검증, 하이퍼파라미터 튜닝, 피처생성, LightGBM, 앙상블 기법)

 

 

4. 트랙 리워드

- 조건 : 4개 트랙 모두 수료

- 이력서 및 포트폴리오 멘토링 : 현업 데이터 사이언티스트 / 데이터분석가, 온라인 게시판과 미팅 이용

- 데이콘 인재풀 등록 : 인재풀 등록 후 추후 기업 요청에 따라 채용 추천

 

 

5. 트랙 사용법

- 신청방법 : 참여버튼 클릭

- 트랙기간 안내 : 일정을 확인하고 모든 과정을 일정 내에 마무리한다.

- 이용 방법 : 트랙기간내에 모두 클리어 한다. 마무리 하지 못하면 다음달로 넘어감. 그래서 기간내 완주가 중요

- 해커톤 참여 방법 : 일정을 확인하고 정해진 시간 내에 해커톤 참여함. 해커톤은 csv를 제출하고 코드공유 게시판에 ipynb와 포트폴리오를 업로드 해야한다. (파이썬 트랙 제외)

- 시험 응시 방법 : 하단의 시험페이지에서 시험 진행

 

6. 수료기준

1) 모든 학습 교재 클리어

2) 해커톤에서 기준 스코어 이상 점수 획득, 코드와 PDF 파일 제출

3) 시험 기준 통과(80점)

 

 

 

----------------------

트랙말고도 다양한 학습을 할 수 있는데, 

 

1. 트랙

- 파이썬 트랙

- 머신러닝 입문 트랙

- 머신러닝 기초 트랙

- 머신러닝 심화 트랙

-  딥러닝 시계열 트랙

- 딥러닝 이미지 분류 트랙

 

2. 첫걸음 학습

- 파이썬 실행하기 : 상

- 파이썬 실행하기 : 하

- 딥러닝 시작하기 : 상

- 파이토치로 딥러닝 시작하기 : 하

- 파이토치로 딥러닝 시작하기 : 상

- 넘파이 활용하기

- 판다스 활용하기 : 하

- 판다스 활용하기 : 상

- 딥러닝 시작하기 : 하

 

3. 딥러닝 학습

-  어텐션 메카니즘과 자연어 처리

-  LSTM을 이용한 시계열 예측

- 패션 의류 이미지 분류 프로젝트

- 커머스 제품 판매량 예측하기

- CNN 사전 학습 모델 알아보기

- 손대화 이미지 분류하기

- AI 간단하게 고쳐쓰기

- LangChain으로 AI랑 대화하기

- 패션 의류 이미지 분류 프로젝트

- Seq2Seq 모델 만들기

- 주요 시계열 알고리즘 이해하기

- AI로 이미지 분류해보기 CNN 기초

- 이미지 데이터 부족 해결하기

- 컴퓨터는 사람의 말을 어떻게 이해할까?

 

4. 중점학습

1) 시계열 데이터 사전 처리하기 (시계열 전처리1)

2) 파이썬으로 테이블 데이터 쉽게 다루기 (재구조화)

3) AI 판단 해석하기 : 하 (머신러닝 XAI2)

4) 시계열 데이터의 패턴 찾아내기(시계열 주기성 특성공학)

5) 성능향상을 위한 변수 조합 만들기 ( 피처생성 선택)

6) 회귀분석 알아보기:심화

7) AI 판단 해석하기 : 상 (머신러닝 XAI)

8) 모델을 조합하여 성능 높이기: 하(앙상블)

9) 데이터 분류 모델 만들기 (분류문제 모델)

10) 모델 최적화하기(하이퍼파라미터 튜닝)

11) LightBGM 활용하기

12) 모델 성능을 높일 수 있는 데이터 만들기(특성 공학 입문1)

13) 우리나라 재정 데이터 시각화 해보기(Plotly 시각화)

14) 파이썬 시각화로 데이터 쉽게 알아보기(시각화 기초)

15) 항목 데이터를 컴퓨터가 이해하는 방법(범주형 변수 인코딩)

16) 데이터 특징 단순화하기: 차원축소

17) 회귀분석 알아보기(선형 회귀 분석)

18) 어울리지 않는 데이터 찾아내기: 이상치 탐지

19) 로지스틱 회귀분석 : 유망한 축구선수...

20) 머신러닝 사전 작업 : 데이터 전처리

21) 모델을 조합하여 성능 높이기:상(앙상블)

22) 불균형 데이터 해결하기(데이터 불균형)

 

5. 프로젝트 입문

1) 당뇨병 위험 분류 예측 프로젝트

2) 축구선수 유망 엽 예측 프로젝트

3) IRIS 품종 분류 프로젝트

4) 영화 관객수 예측 프로젝트

5) 태양광 발전량 예측 프로젝트

6) 구내식당 인원 예측 프로젝트

 

6. 프로젝트 초급

1) 재정 데이터 시각화 프로젝트

2) 아파트 경매가격 예측 프로젝트

3) 인구 소득 예측 프로젝트

4) 풍력 발전량 예측 프로젝트

5) 보스턴 집값 예측 프로젝트 

6) 아파트 실거래가 예측 프로젝트

7) 타이타닉 생존 예측 프로젝트

8) 학습 플랫폼 이용자수 예측 프로젝트

...

7. 프로젝트 중급

1) 당뇨병 위험 분류 예측 프로젝트

2) 인구소득 예측 프로젝트

3) 신용카드 사용자 연체 예측 프로젝트

4) 아파트 실거래가 예측 프로젝트

 

8. 데이스쿨 스터디

딥러닝 입문반, 딥러닝 첫걸음반, 머신러닝 정규반, 머신러닝 입문반, 파이썬 첫걸음반

 

9. 해커톤

1) 당뇨병 위험 분류 예측 AI 해커톤

2) 식당 리뷰 감성 분석

3) 조류 음성 분류

4) 자동차 보험사기 탐지

5) 비트코인 가격 예측 

6) 축구 경기 결과 예측 AI 해커톤

7) 소득 예측 aI 해커톤

8) 웹로그 기반 조회수 예측 해커톤